Quantformer: from attention to profit with a quantitative transformer trading strategy
تقدم هذه الورقة Quantformer، وهي شبكة عصبية قائمة على نموذج المحولات (transformer) معززة بالتعلم بنقل المعرفة من تحليل المشاعر، والتي تلتقط بفعالية التبعيات طويلة المدى وإشارات السوق لتتفوق على استراتيجيات الـ 100 عامل التقليدية في التنبؤ بعوائد الأسهم داخل السوق الرأسمالي الصيني.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول التنبؤ بالطقس لتقرر ما إذا كنت ستأخذ مظلة معك. الطرق التقليدية قد تنظر إلى مطر الأمس وتخمن أن اليوم سيكون ممطراً. لكن سوق الأسهم يشبه محيطاً هائجاً وعاصفاً، حيث يتغير الطقس في كل ثانية، متأثراً بمليارات التموجات الصغيرة، والأمواج العملاقة، وحتى مزاج البحارة.
تقدم هذه الورقة أداة جديدة تسمى Quantformer. فكر فيها كأنها ذكاء اصطناعي فائق الذكاء للتنبؤ بالطقس، لا يكتفي فقط بالنظر إلى المطر، بل يفهم نظام العاصفة بأكمله ليتنبأ بدقة بمكان سطوع الشمس لاحقاً.
إليك قصة كيفية بنائهم له، مشروحة ببساطة:
1. المشكلة: الأدوات القديمة كانت بسيطة للغاية
لعقود من الزمن، استخدم المستثمرون "العوامل" (factors) لاختيار الأسهم. فكر في "العامل" كأنه دليل واحد، مثل: "هل الشركة تحقق أرباحاً؟" أو "هل سعر السهم في ارتفاع؟"
- الطريقة القديمة: تخيل أنك تحاول التنقل في متاهة عبر النظر إلى جدار واحد فقط في كل مرة. قد يحالفك الحظ، لكنك ستصطدم على الأرجح بطريق مسدود. النماذج الرياضية التقليدية (مثل تلك المستخدمة في الخمسينيات) جامدة للغاية، فهي لا تستطيع التعامل مع الطبيعة الفوضوية والعاطفية والمتغيرة بسرعة لسوق الأسهم.
- محاولة تعلم الآلة: مؤخراً، حاول البعض استخدام الذكاء الاصطناعي (تعلم الآلة) لإصلاح ذلك. استخدموا نماذج مصممة لقراءة النصوص (مثل ترجمة الإنجليزية إلى الفرنسية) لقراءة مخططات الأسهم. لكن هذا كان يشبه محاولة قراءة كتاب باستخدام قاموس مخصص للغة مختلفة؛ فالأرقام لم تكن تتناسب مع "الكلمات" التي يتوقعها الذكاء الاصطناعي.
2. الحل: دخول "Quantformer"
أخذ المؤلفون بنية ذكاء اصطناعي شهيرة تسمى Transformer (وهي العقل الكامن وراء أدوات مثل ChatGPT) وأعطوها "عملية تجميل" لتناسب عالم المال خصيصاً.
- الاستعارة: تخيل مترجماً يترجم عادةً الكتب (النصوص). أدرك المؤلفون أن بيانات الأسهم ليست كتاباً، بل هي سيمفونية من الأرقام.
- عملية التجميل:
- لا مزيد من "تمثيل الكلمات" (Word Embeddings): في الذكاء الاصطناعي العادي، يتم تحويل الكلمات إلى "متجهات كلمات" (مثل تخصيص لون لكل كلمة). وبما أن بيانات الأسهم هي مجرد أرقام (أسعار، حجم تداول)، فقد استبدل المؤلفون "قاموس الكلمات" بـ طبقة خطية (linear layer) بسيطة. الأمر يشبه استبدال معجم معقد بمسطرة مستقيمة؛ فهي تقيس الأرقام مباشرة.
- إزالة "القناع": في ذكاء اللغات، غالباً ما يتعين على النموذج تخمين الكلمة التالية واحدة تلو الأخرى (مثل حل الكلمات المتقاطعة). أما في التداول، فأنت لا تحتاج لتخمين كلمة بكلمة، بل تحتاج لرؤية الصورة الكاملة لعائد الشهر القادم دفعة واحدة. لذا، قاموا بإزالة "القناع" الذي كان يجبر الذكاء الاصطناعي على التخمين خطوة بخطوة.
- قوة "الانتباه" (Attention) الخارقة: جوهر الـ Transformer هو "الانتباه". تخيل أنك في حفلة صاخبة؛ الشخص العادي يسمع كل شيء بالتساوي، أما الـ Transformer المزود بخاصية "الانتباه" فيمكنه فوراً تجاهل الضجيج والتركيز فقط على الشخص الوحيد الذي يصرخ بالخبر الأكثر أهمية. يستخدم Quantformer هذه الخاصية لينظر إلى بيانات الأسهم لـ 20 يوماً ماضية، ويحدد فوراً الأيام التي تهم حقاً للمستقبل.
3. كيف اختبروه: "المحاكاة العملاقة"
لم يكتفوا بالتخمين، بل أجروا محاكاة ضخمة.
- البيانات: قاموا بتغذية الذكاء الاصطناعي ببيانات من 4,601 سهماً صينياً على مدار 13 عاماً (2010–2023). هذا يعادل أكثر من 5 ملايين نقطة بيانات. إنه يشبه تدريب طاهٍ بجعله يتذوق كل طبق في بوفيه ضخم لمدة عقد من الزمان.
- التدريب: علموا الذكاء الاصطناعي النظر إلى الماضي (الأسعار وحجم التداول) والتنبؤ بالمستقبل (هل سيرتفع السهم أم سينخفض؟).
- المنافسة: وضعوا نموذجهم الجديد في مواجهة 100 استراتيجية تداول تقليدية أخرى. كانت بمثابة سباق بين سيارة فورمولا 1 (Quantformer) و100 دراجة هوائية (العوامل التقليدية).
4. النتائج: الذكاء الاصطناعي يفوز بالسباق
كانت النتائج مبهرة:
- أرباح أعلى: حققت استراتيجية Quantformer أرباحاً أكبر بكثير من الـ 100 استراتيجية التقليدية. وبينما كانت الاستراتيجيات التقليدية غالباً ما تخسر المال أو تكتفي بالتعادل، حقق Quantformer عوائد سنوية قوية (حوالي 17% في أفضل اختبار شهري له).
- سلامة أفضل: في الاستثمار، لا يتعلق الأمر فقط بمقدار ما تربحه، بل بمقدار ما تخاطر بخسارته. كان لدى Quantformer "قيمة مخاطرة" (VaR) أقل. فكر في هذا كحجم الحفرة التي قد تسقط فيها؛ كانت حفرة Quantformer أصغر وأكثر أماناً من غيره.
- "الألفا" (Alpha): في التمويل، "الألفا" هي الدرجة التي تعكس كونك أذكى من السوق. حقق Quantformer "ألفا" إيجابية، مما يعني أنه تفوق فعلياً على السوق ولم يكن الأمر مجرد ضربة حظ.
5. لماذا هذا مهم؟
تظهر الورقة أننا لسنا بحاجة لمعاملة أسواق الأسهم كأنها نصوص لاستخدام الذكاء الاصطناዊ القوي. من خلال تعديل الذكاء الاصطناعي ليفهم الأرقام بدلاً من الكلمات، يمكننا بناء نظام:
- يرى الصورة الكبيرة: يربط بين الاتجاهات طويلة الأمد والقفزات قصيرة الأجل.
- يتكيف: يتعلم من فوضى السوق بشكل أفضل من المعادلات الرياضية القديمة.
- يجني المال: يحول البيانات المعقدة إلى قرارات مربحة.
باختدصار: أخذ المؤلفون عقلاً لغوياً فائق الذكاء، وعلموه كيف يتحدث "لغة المال"، وأثبتوا أنه يمكنه الإبحار في بحار سوق الأسهم الهائجة بشكل أفضل بكثير من البوصلات القديمة التي كنا نستخدمها لعقود. إنه جسر من "الانتباه" (تركيز الذكاء الاصطناعي) إلى "الربح" (هدف المستثمر).
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.